研究警告：去审查模型易被植入后门窃取数据

安全研究者 omeragoldberg 及 Project Discovery 的研究警告，本地部署的 abliterated（去除对齐审查）模型存在真实风险：团队仅用一天时间就将一个看似正常的 Qwen 模型改造成后门模型，一旦输入中出现特定触发词，模型即外泄对话数据。研究提醒用户，下载去审查模型可能引入被植入后门的供应链式攻击面。

2026-10-25 ~ 2026-10-27 · 2 条相关